/ Модель

Характеристики

Лицензия
MIT
Библиотека
pytorch
Опубликована
13 сен 2026

fashion-genai-stylegan2-vae

Генерация изображенийТекст → изображение

Набор StyleGAN2 и VAE, обученных с нуля для генерации и сжатого представления изображений одежды и товаров.

0скачиваний за 30 дней0лайковвеса обновлены13 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

KartikSaste разработал с нуля набор моделей для генерации и сжатого представления изображений одежды и товаров: условный StyleGAN2 и два варианта VAE. Модели обучены на 44 239 фотографиях товаров на белом фоне из набора GangHitman/fashion-recommendation-images; StyleGAN2 поддерживает 70 категорий товаров. Генератор создаёт изображения размером 128 пикселей, а VAE работает с изображениями размером 128 или 256 пикселей.

Набор предназначен для разработки концепций товаров, маркетинговых прототипов, создания синтетических обучающих данных и творческих экспериментов. VAE с пространственным латентным представлением сжимает данные в 48 раз, а вариант с глобальным латентным вектором размерности 512 — в 96 раз. Автор сообщает о заметных артефактах генерации: StyleGAN2 обучена недостаточно долго по сравнению с полной схемой обучения StyleGAN2. Выходное разрешение не подходит для печатных материалов; условие генерации категориальное, текстовый ввод не поддерживается. Результаты отражают смещения исходного каталога, а синтетических людей нельзя выдавать за реальных моделей. Лицензия — MIT.

Сценарии применения

  • создание концептов одежды и товаров для дизайна
  • подготовка визуальных вариантов товаров для маркетинговых прототипов
  • генерация синтетических изображений товаров для экспериментов
  • сжатие фотографий товаров в латентные представления
  • восстановление изображений товаров из латентных представлений

Ограничения

Генератор недообучен и может создавать артефакты; его выход ограничен разрешением 128 пикселей, а VAE — 128 или 256 пикселями. Генерация обусловливается категорией товара, не текстом, а изображения наследуют смещения обучающего каталога.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Fashion GenAI — StyleGAN2 + VAE for product image generation

Conditional StyleGAN2 for generating synthetic fashion/product images, plus autoencoders/VAEs that learn compact representations of the same domain. Trained from scratch on GangHitman/fashion-recommendation-images (44,239 white-background e-commerce product photos, 142 article types).

Intended for product design ideation, marketing prototypes, synthetic dataset generation and creative experimentation.

Models

FileTypeResolutionStepNotes
models/gan_main.ptGAN128px7000Conditional StyleGAN2, 70 classes, EMA generator
models/vae_256.ptVAE256px7000Spatial latent 4x32x32 (48x compression)
models/vae_global_128.ptVAE128px7000Global latent 512-d (96x compression)

Generation metrics

ModelTruncationFIDKIDLPIPS-diversity
gan_main1.077.430.03090.4494

FID/KID computed on 10000 generated vs real images. FID is biased by sample count, so do not compare these against numbers measured at a different count.

Reconstruction metrics (held-out split)

ModelCompressionPSNRSSIMLPIPSL1
vae_25648.0x27.400.94190.05040.0272
vae_global_12896.0x23.960.89950.08000.0409

Usage

git clone https://github.com/<your-fork>/fashion-genai   # or copy src/
pip install torch torchvision pyyaml pillow numpy
from huggingface_hub import hf_hub_download
from fashiongen.inference import GANSampler, VAERunner, to_pil

gan = hf_hub_download("KartikSaste/fashion-genai-stylegan2-vae", "models/gan_main.pt")
sampler = GANSampler.from_checkpoint(gan, device="cuda")

# truncation < 1 trades diversity for fidelity
images = sampler.sample(8, class_name="Tshirts", truncation=0.8, seed=0)
to_pil(images)[0].save("design.png")

# latent walk between two designs
strip = sampler.interpolate(steps=8, class_name="Shirts")

vae = hf_hub_download("KartikSaste/fashion-genai-stylegan2-vae", "models/vae_256.pt")
runner = VAERunner.from_checkpoint(vae, device="cuda")
embedding = runner.embed(my_pil_image)   # for retrieval / clustering
recon = runner.reconstruct(my_pil_image)

Every checkpoint embeds the config and class list it was trained with, so the architecture is rebuilt from the .pt file alone.

Training setup

  • 8x A100 80GB (Lambda Cloud). GAN on 6 GPUs, autoencoders on 1 GPU each, concurrently.
  • StyleGAN2: non-saturating loss, lazy R1 (gamma=1.0), lazy path-length, style mixing, EMA generator, ADA adaptive augmentation, projection conditioning.
  • VAE: L1 + LPIPS + KL + PatchGAN adversarial with VQGAN-style adaptive weighting.
  • Gradients are averaged with an explicit all-reduce rather than DistributedDataParallel, because R1/path-length need double backward which DDP does not support.

Limitations

  • Trained on a modest compute budget; gan_main is undertrained relative to a full StyleGAN2 schedule (which is ~25M images) and samples show artefacts.
  • FIR resampling is pure PyTorch (no custom CUDA op), roughly 4x slower than NVIDIA's compiled kernel.
  • Conditioning is categorical (article_type); no text-to-image model is trained.
  • 128px/256px outputs; not suitable for print-resolution assets.
  • Reflects the biases of the source catalogue (product mix, styling, demographics). Generated people are synthetic and should not be presented as real models.

License

MIT, matching the source dataset.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · pytorch

Нельзя запустить

Безусловная генерация изображений пока не поддерживается.

Ревизия весов
f3d079c

0 моделей